这里汇总游戏开发相关的技术总结。
ai
汇总
-
决策树ID3原理及R语言python代码实现
决策树是机器学习中一种非常常见的分类与回归方法，可以认为是if-else结构的规则。分类决策树是由节点和有向边组成的树形结构，节点表示特征或者属性， 而边表示的是属性值，边指向的叶节点为对应的分类。在对样本的分类过程中，由顶向下，根据特征或属性值选择分支，递归遍历直到叶节点，将实例分到叶节点对应的类别中。 决策树的学习过程就是构造出一个能正取分类（或者误差最小）训练数据集的且有较好泛化能力的树，核心是如何选择特征或属性作为节点， 通常的算法是利用启发式的算法如ID3，C4.5，CART等递归的选择最优特征。选择一个最优特征，然后按照此特征将数据集分割成多个子集，子集再选择最优特征， 直到所有训练数据都被正取分类，这就构造出了决策树
-
朴素贝叶斯python代码实现
朴素贝叶斯也是机器学习中一种非常常见的分类方法，对于二分类问题，并且数据集特征为离散型属性的时候， 使用起来非常的方便。原理简单，训练效率高，拟合效果好。
-
logistic逻辑回归公式推导及R语言实现
线性回归模型简单，对于一些线性可分的场景还是简单易用的。Logistic逻辑回归也可以看成线性回归的变种， 虽然名字带回归二字但实际上他主要用来二分类，区别于线性回归直接拟合目标值， Logistic逻辑回归拟合的是正类和负类的对数几率。
-
隐马尔科夫~维特比算法
继上篇贝叶斯后，一直想完成隐马尔科夫这篇，一是一直没有时间完成python的示例实现代码， 二是想找一个区别于天气的隐马尔科夫例子。区别于贝叶斯，隐马尔科夫模型是基于时序的概率模型， 本文只关注于一阶隐马尔科夫模型，即某一时刻的状态值只跟上一时刻的状态值有关。 该模型可以用三元组表示：λ = (A, B,π )。
-
A星路径搜索
在人工智能中有一类问题是有确定解的，如路径、五子棋等，这样的问题非常适合使用搜索来解决。 路径搜索是一个很有趣的问题，在人工智能中算是很基础的问题。最近一直在读《Artificial Intelligence-A Modern Approach》，搜索部分看完印象最深的就是A星算法了，这个在游戏开发中也最常用。于是乎做个总结，明天就掀过这篇了。